[cat] La utilització de tècniques de visió per computació i intel·ligència artificial a la ruralia
mallorquina és un rara avis. La millora en la identificació de les plantes comporta
múltiples beneficis, des d’una reducció de costos econòmics a la reducció de malalties.
Per assolir la creació un classificador de plantes autòctones, s’ha duit a terme un procés
d’anàlisi de la colorimetria de la fulla. Una vegada fet aquesta anàlisi hememprat els
dos tipus d’algorisme d’aprenentatge màquina, els algorismes d’aprenentatge profund
i els d’aprenentatge superficial.
Les tècniques d’aprenentatge superficial necessiten l’extracció manual de característiques.
Aquestes característiques s’han d’extreure de l’objecte en sí, i no de tota
la imatge. Les característiques de les que aprèn es algorismes són calculades a partir
de la binarització. La duim a terme amb fotografies amb fons blanc i aplicant-hi diverses
tècniques de visió per computació: els algorismes d’Otsu,Watershed i operacions
morfològiques.
La tècnica principal d’aprenentatge profund són les xarxes neuronals, estructures
caracteritzades per tractar grans quantitats d’informació d’una forma jeràrquica. La
principal avantatge d’aquesta tècnica és la capacitat d’aprendre sense una extracció
manual de característiques alhora que la seva capacitat de generalització. La generalització
és la base d’un dels darrers experiments que realitzam, canviar el fons de les
fotografies amb textures naturals. A causa de les poques dades que tenim, hem necessitat
tècniques per evitar l’overfitting. Hem emprat principalment data augmentation i
transfer learning.
Els resultats obtinguts després d’emprar les dues tècniques és satisfactori, obtenint
en el cas del superficial un 85%, i en el cas del profund, un 90%.